先確認這件事該不該做。
- 老闆或行銷想看個數字，每次都要排隊等工程師幫忙撈
- 同一份文件每個人寫出來的格式都不一樣，主管每次都要退回去重寫
- 有一群人每天在做重複的判斷（分類、初步診斷、資料比對、回覆詢問）
- 知識散在文件、工單系統、聊天紀錄裡，新人上手要三個月
- 客服或內部支援的問題有八成是重複的
- 已經試過現成工具，但它接不到你的內部系統
- 還沒想清楚要解決什麼問題，只是覺得該做 AI
- 判斷錯一次就會出人命或賠大錢的場景 —— 那該做的是輔助工具，不是 Agent
- 資料還沒數位化，關鍵資訊都在紙本或某個人腦子裡
一個做完的專案，包含這些。
場景定義與流程盤點
先確定這件事值不值得做。我們會實際看你現在怎麼處理、一天幾件、每件花多久、錯了會怎樣，算出來才知道 Agent 能省多少。
資料整合與 RAG
把散落在文件、資料庫、工單系統、對話紀錄裡的知識整理成 Agent 查得到的形式。這通常是整個專案最花時間的部分。
工具呼叫與系統串接
讓 Agent 不只會講話，還能實際去查資料、開單、發通知、更新狀態。接你現有的系統，不是另外開一套。
放進現有工作介面
整合進 Slack、Teams、LINE、你的後台，或是內部工單系統。沒有人想為了用 AI 多開一個網頁。
效果評估與迭代
上線後看它答對多少、被採納多少、省下多少時間。有數字才知道要調哪裡，也才知道這筆錢花得值不值。
護欄與錯誤處理
設定它不能碰什麼、不確定時該轉給誰、以及所有判斷的稽核紀錄。企業導入這塊不能省。
價格會被什麼拉高？
我們沒辦法在網頁上給你精準報價，任何說得出精準數字的人也是在猜。但可以先講清楚哪些條件會讓數字往上跑，你自己心裡先有底。
- 資料的整齊程度
- 文件格式統一、有結構的知識庫，跟散在十年份的 email 和 Excel 裡，前置工作差很多。
- 要接幾個系統
- Agent 只查資料，跟要能實際去別的系統做事（開單、改狀態、送通知），複雜度不同。
- 準確率要求
- 內部參考用跟直接面對客戶，需要的評估、護欄和人工審核機制不一樣。
- 要不要地端部署
- 資料不能出公司的，架構和成本都會不同。
這些是實際做出來的。
BizQuery · 用中文問資料庫
讓不會寫 SQL 的老闆、行銷、營運自己查數據。用中文問一句，Agent 自己找到該查哪幾張表。導入時會把公司自己的業務定義教給它 —— 營收怎麼算、狀態碼代表什麼、哪些訂單不列入統計 —— 所以答出來的數字對得上你們實際的算法，不是照資料表名稱猜。唯讀連線，碰不到你的資料。
- 協和數位自家產品
- 中文自然語言查詢
- 業務邏輯字典
- 唯讀安全連線
需求文件 Agent · 把 SOP 變成引導流程
把公司原本的需求文件 SOP 導進 Agent，員工照著它的問題一步一步回答，就能產出格式一致、該填的都填了的需求文件，過程中還會直接生出系統架構圖和流程圖。新人不用再問「這份文件到底要怎麼寫」，主管也不用每份都退回去補。
- 導入公司既有 SOP
- 引導式問答
- 自動產生架構圖／流程圖
- 文件格式統一
AI Ops Agent · 維運告警分析
幫企業的維運團隊做的 AI Agent。接上監控跟 log，警報一進來，一分鐘內告訴你大概是哪裡出事、影響到誰、可以先怎麼處理。
- 告警 1 分鐘內定位
- 整合 Grafana / Prometheus
- 知識庫 RAG
- 事件回溯時間軸
被問最多的幾題。
我們資料不能外流，可以嗎？
可以。依敏感程度有幾種做法：用有企業級資料保護條款的雲端模型、在你的雲端環境內部署、或是完全地端跑開源模型。地端的代價是硬體成本和模型能力會打折，這個取捨我們會在評估階段講清楚。
導入要多久？
一個範圍明確的導入專案，通常是 2 到 4 個月。我們會先花兩到三週做一個能跑的雛型讓你實際用，確認方向對了再往下做。
怎麼知道有沒有效？
上線前先量現況：這件事現在一天幾件、每件多久、錯誤率多少。上線後量同樣的數字。沒有這個基準線，之後只能靠感覺爭論它有沒有用。
模型一直在換，會不會做完就過時？
所以我們不會把系統綁死在單一模型上。資料整合、工具呼叫、評估機制這些是資產，換模型只是換一層。真正會過時的是那種整套邏輯都寫在 prompt 裡的做法。
可以先做小一點的試試看嗎？
可以，但指的是縮小場景，不是縮小預算 —— 資料整合和評估機制不會因為場景變小就不用做。做法是先挑一個範圍明確、量夠大、錯了不會出事的場景，跑三個月看數字再決定要不要擴大。這比一次做一個大的安全。